多目标协作的自适应移动锚点选择

• •

多目标协作的自适应移动锚点选择

陶铭¹,袁华强²,俞鹤伟²,潘晓衡²

1. 东莞理工学院工程技术研究院
2. 华南理工大学计算机科学与工程学院

收稿日期:2012-10-29 修回日期:2013-03-29 发布日期:2013-06-20
通讯作者: 陶铭

Adaptive Mobile Anchor Point Selection with Multi-objective Cooperation

Received:2012-10-29 Revised:2013-03-29 Published:2013-06-20
Contact: Ming TAO

摘要/Abstract

摘要： 在采用多层移动锚点(MAP, Mobile Anchor Point)架构的HMIPv6网络中，为移动终端选择最佳服务MAP，优化网络的整体性能是一个关键问题。对移动终端的行为特性，主要包括移动特性及服务特性，进行分析建模，确定总体性能目标，然后综合考虑上层可达MAP间的负载均衡，提出了一种多目标协作的自适应MAP选择策略(A-MAP)。基于NS-2网络仿真平台，考虑具有不同移动速率的移动终端的比例配置，设计了一组实验场景，并选择三种典型的MAP选择方案作为比较对象。通过调整会话到达率，验证了A-MAP方案在系统开销、负载均衡以及平均切换时延方面的性能表现。

关键词: 计算机应用, HMIPv6, 移动锚点, 行为特性, 多目标协作

Abstract: In HMIPv6 networks with the multi-level MAP architecture, selecting an optimal serving MAP for the mobile terminal to optimize the whole network performance remains a significant challenge. By analyzing and modeling the behavioral characteristics of the mobile terminals, mainly including the mobility characteristics and the service characteristics, the overall performance objective is determined. And then, by comprehensively taking the load balancing among the available upper-layer MAPs into account, an adaptive MAP selection strategy with multi-objective cooperation is proposed (A-MAP). Considering the proportional allocation of mobile terminals with different velocity, a set of experimental scenarios is elaborately designed based on the NS-2 network simulation platform, and three typical MAP selection strategies are selected for the comparison. The performance efficiencies of the proposed A-MAP on system cost, load balancing, and average handover latency is verified by adjusting the session arrival rate.

Key words: Computer application, HMIPv6, MAP, Behavioral Characteristics, Multi-objective cooperation

陶铭袁华强俞鹤伟潘晓衡. 多目标协作的自适应移动锚点选择[J]. , 0, (): 0-0.

参考文献

相关文章 15

[1]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[2]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[3]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[4]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[5]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.
[6]	杨东升, 张展, 廉梦佳, 王丽娜. 位图局部敏感哈希的匹配二进制特征搜索算法[J]. 吉林大学学报(工学版), 2018, 48(3): 893-902.
[7]	邓剑勋, 熊忠阳, 邓欣. 基于谱聚类矩阵的改进DNALA算法[J]. 吉林大学学报(工学版), 2018, 48(3): 903-908.
[8]	林金花, 王延杰, 王璐, 姚禹. 全局相机姿态优化下的快速表面重建[J]. 吉林大学学报(工学版), 2018, 48(3): 909-918.
[9]	赵宏伟, 刘宇琦, 特日根, 陈长征, 臧雪柏. 基于有限序列的压缩新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 882-886.
[10]	张维维, 何家峰, 高国旺, 任丽莉, 申铉京. 基于博弈论的无线Mesh网络路由与信道分配联合优化算法[J]. 吉林大学学报(工学版), 2018, 48(3): 887-892.
[11]	底晓强, 王英政, 李锦青, 从立钢, 祁晖. 基于量子细胞神经网络超混沌的视频加密方法[J]. 吉林大学学报(工学版), 2018, 48(3): 919-928.
[12]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[13]	蔡振闹, 吕信恩, 陈慧灵. 基于反向细菌优化支持向量机的躯体化障碍预测模型[J]. 吉林大学学报(工学版), 2018, 48(3): 936-942.
[14]	韩家伟, 刘衍珩, 孙鑫, 宋立军. 基于量子密钥和云服务的身份加密方案[J]. 吉林大学学报(工学版), 2018, 48(2): 551-557.
[15]	杨宏宇, 徐晋. Android恶意软件静态检测模型[J]. 吉林大学学报(工学版), 2018, 48(2): 564-570.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed